החורפים של ה-AI — 1974 ו-1987, כשהמימון נגמר וכולם שכחו

ההתלהבות הנוכחית סביב בינה מלאכותית יוצרת (Generative AI) מעניקה לעיתים תחושה שמדובר בנסיקה בלתי נמנעת ורציפה אל עבר העתיד. אולם ההיסטוריה של ה-AI מלמדת שיעור חשוב בצניעות: התחום חווה כבר שני מחזורים דרמטיים של תקווה אופורית שנסדקה, מימון ממשלתי ותאגידי שנעלם בן לילה, ושנים ארוכות של קיפאון ושיכחה. תקופות אלו זכו לכינוי "חורפי הבינה המלאכותית" (AI Winters).

האופטימיות הגדולה וההבטחות שלא קוימו (1956-1973)

הכול התחיל בהבטחה גדולה. לאחר סדנת דארטמות' (Dartmouth) ההיסטורית ב-1956, שבה נטבע המונח "Artificial Intelligence", הציפיות של החוקרים הרקיעו שחקים. ב-1965 הכריז חתן פרס נובל הרברט סימון (Herbert Simon): "machines will be capable, within twenty years, of doing any work a man can do." חמש שנים לאחר מכן, ב-1970, הצטרף אליו מרווין מינסקי (Marvin Minsky) כשאמר למגזין LIFE: "In from three to eight years we will have a machine with the general intelligence of an average human being."

ההבטחות הללו הניבו פירות מיידיים בדמות תקציבי עתק. סוכנות המחקר של משרד ההגנה האמריקאי, DARPA, הזרימה מיליוני דולרים למעבדות ה-AI המובילות ב-MIT, ב-CMU, באוניברסיטת Stanford וב-SRI. ההצלחות הראשוניות נראו מבטיחות: מערכת SHRDLU שפיתח Terry Winograd ב-1970 הציגה הבנת שפה טבעית בעולם מוגדר של קוביות, והצ'אטבוט ELIZA שפיתח Joseph Weizenbaum ב-1966 הדגים שיחה טיפולית מבוססת כללים. תוכנות כמו Logic Theorist ו-General Problem Solver (GPS) גרמו לרבים להאמין שהדרך לבינה מלאכותית כללית קרובה מתמיד.

מערכה ראשונה: החורף הראשון (1974-1980)

הסדק הראשון בחומה הגיע מבריטניה. בשנת 1973, המועצה למחקר מדעי של בריטניה ביקשה מהמתמטיקאי ג'יימס לייטחיל (James Lighthill) להעריך את מצב המחקר בתחום. הדו"ח שפרסם ביולי 1973, הידוע כ-"The Lighthill Report", היה ביקורתי להחריד. לייטחיל קבע כי ה-AI "נכשלה ביעדיה הגרנדיוזיים".

הוא חילק את המחקר לשלוש קטגוריות: A (אוטומציה מתקדמת), B (גשר - רובוטיקה), ו-C (מחקרים מבוססי מחשב של מערכת העצבים המרכזית). לייטחיל סימן את קטגוריה B כ"אשליה" (mirage) וטען כי בעיית "הפיצוץ הקומבינטורי" (combinatorial explosion) הופכת את פיתוח ה-AI הכללית לבלתי אפשרי מבחינה חישובית. למרות עימות טלוויזיוני מפורסם ב-BBC באותה שנה, שבו התעמת לייטחיל עם חוקרים בולטים כמו Donald Michie, John McCarthy ו-Richard Gregory, הממשלה הבריטית קיבלה את מסקנות הדו"ח וקיצצה באכזריות את המימון לכל האוניברסיטאות, למעט Edinburgh ו-Sussex.

במקביל, בארצות הברית, DARPA החלה לאבד סבלנות. בין השנים 1973-1974 קיצצה הסוכנות את המימון לפרויקט זיהוי הדיבור (Speech Understanding Research) ב-CMU לאחר שהתוצאות אכזבו. תיקון מנספילד (Mansfield Amendment) מ-1969 כבר חייב את DARPA לממן אך ורק מחקרים בעלי אוריינטציה צבאית מוגדרת, מה שהוביל לצמצום דרמטי של מחקרים תיאורטיים.

מכה קשה נוספת הגיעה מהספר "Perceptrons" שפרסמו מרווין מינסקי וסימור פאפרט (Seymour Papert) ב-1969. הספר הציג הוכחה מתמטית לכך שפרספטרונים חד-שכבתיים אינם מסוגלים ללמוד את פונקציית ה-XOR. למרות שהמחברים הבהירו מאוחר יותר כי לא התכוונו להרוג את התחום, הספר נחשב לאחד הגורמים המרכזיים ששיתקו את חקר הרשתות הנוירוניות למשך כ-15 שנה. הטרגדיה הושלמה כאשר פרנק רוזנבלט (Frank Rosenblatt), ממציא הפרספטרון, נהרג בתאונת שיט ב-1971 בגיל 43 בלבד — מוות שרבים בקהילה קשרו לדמורליזציה העמוקה שחווה.

מערכה שנייה: פריחת המערכות המומחיות והתרסקות 1987

בשנות ה-80 חזרה הבינה המלאכותית לאופנה, הפעם תחת כסות יישומית יותר: "מערכות מומחה" (Expert Systems). אלו היו תוכנות מבוססות חוקים שנועדו לקודד ידע אנושי בתחומים ספציפיים. ההצלחה של מערכת XCON שפיתחה חברת DEC ב-1980, אשר סייעה בקונפיגורציה של מחשבי VAX וחסכה לחברה כ-40 מיליון דולר בשנה, הציתה גל של התלהבות.

ממשלת יפן השיקה ב-1982 את פרויקט "הדור החמישי של המחשבים" (Fifth Generation Computer Project) — יוזמה ממשלתית בעלות של 850 מיליון דולר שהתבססה על שפת PROLOG ועיבוד מקבילי. בתגובה, עשרות סטארט-אפים קמו בארה"ב (כמו Symbolics, Lisp Machines Inc., Intellicorp ו-Teknowledge), ומכרו מחשבי Lisp ייעודיים במחירים מופקעים של בין 50,000 ל-200,000 דולר ליחידה.

אך ב-1987 בועה זו התפוצצה ברעש גדול. תחנות עבודה כלליות של חברות כמו Sun ו-Apollo הדביקו את מהירותן של מכונות ה-Lisp הייעודיות, אך נמכרו בעשירית מהמחיר. מכונות ה-Lisp הפכו למיושנות כמעט בן לילה. חברת Symbolics קרסה והגישה בקשה לפשיטת רגל ב-1993. תוכנית המחקר השאפתנית של DARPA, ה-Strategic Computing Initiative (שהושקה ב-1983 עם תקציב של מיליארד דולר ל-10 שנים), הסתיימה ללא מוצר מסחרי משמעותי. פרויקט הדור החמישי של יפן נסגר אף הוא ב-1992 ללא פריצת הדרך המובטחת. המונח "AI" הפך למילה גסה באקדמיה ובתעשייה, וחברות מיהרו למתג מחדש את מוצריהן כדי להימנע מהתיוג המזיק.

החיים בצל הקור: ההישרדות של "שלושת האבות"

במהלך שנות החורף הארוכות, קבוצה קטנה של חוקרים המשיכה לעבוד במחשכים. Geoffrey Hinton, Yann LeCun ו-Yoshua Bengio (שזכו לימים בפרס טיורינג וכונו "שלושת האבות המייסדים") המשיכו לפרסם מחקרים על רשתות נוירונים. עבודתו פורצת הדרך של LeCun על רשתות קונבולוציה (CNN) במעבדות Bell ב-1989 (מערכת LeNet) זכתה אז לתהודה מוגבלת בלבד. הינטון נאבק לגייס סטודנטים, והמעבדה שלו באוניברסיטת טורונטו שימשה כמקלט אחרון לקהילה קטנה ומנודה.

כדי לשרוד, חוקרים רבים מיתגו את עצמם מחדש כחוקרי "למידת מכונה" (Machine Learning) — מונח שצבר תאוצה בשנות ה-90. שנות ה-90 והעשור הראשון של המאה ה-21 היו שייכים למודלים סטטיסטיים אלגנטיים יותר כמו Support Vector Machines (שפיתחו Cortes ו-Vapnik ב-1995) ו-Random Forests (שפיתח Breiman ב-2001).

החורף הסתיים סופית רק ב-2006, כאשר מאמר של הינטון הראה כי אימון מקדים לא מפוקח (Unsupervised Pre-training) מאפשר לאמן רשתות עמוקות (Deep Belief Nets). ב-2009 שוחרר מאגר הנתונים ImageNet, ובשנת 2012 הביסה רשת AlexNet את המתחרים בתחרות ImageNet בפער של למעלה מ-10 נקודות האחוז. הוכחה ציבורית זו, בשילוב עם כוח העיבוד של כרטיסי מסך (GPU), סללו את הדרך למהפכת הלמידה העמוקה הנוכחית.

לקחים לעתיד וההדים של 2026

ההיסטוריה של ה-AI מלמדת אותנו ארבעה לקחים מרכזיים:

1. הבטחות יתר הורגות את המימון: השוק קרס פעמיים משום שהמציאות לא עמדה בקצב של אנשי השיווק.
2. חומרה היא המפתח: שני המשברים נפתרו בסופו של דבר בזכות קפיצות דרך טכנולוגיות בחומרה (מתחנות עבודה ועד מעבדי GPU).
3. חומרה ייעודית היא הימור מסוכן: מכונות ה-Lisp הפסידו למעבדים כלליים. כיום, השליטה הבלתי מעורערת של NVIDIA מאותגרת מסיבות דומות.
4. העבודה החשובה ביותר נעשית בחושך: הינטון, לקאן ובנג'יו בנו את היסודות למהפכה הנוכחית דווקא כשהתחום נחשב לכישלון מוחלט.

כיום, בשנת 2026, כאשר השיח סביב מודלי שפה גדולים (LLMs) מגיע לשיאים חדשים, חוקרים רבים מזהירים מפני דפוסים דומים לאלו שקדמו לחורף הראשון והשני. מנגד, תומכי הטכנולוגיה טוענים כי מקרי השימוש הנוכחיים — מכתיבת קוד, דרך שירות לקוחות ועד למחקר מדעי — הם ממשיים וכלכליים מכדי לאפשר קריסה מוחלטת נוספת. האם אנחנו בדרך לחורף שלישי, או שהפעם זה באמת שונה? ההיסטוריה מציעה לנו בעיקר דבר אחד: להישאר צנועים.

מקורות

1. Artificial Intelligence: A General Survey (Lighthill, 1973)
2. AI winter — Wikipedia
3. Perceptrons (book) — Wikipedia)
4. Fifth Generation Computer Systems — Wikipedia